Wann ist die KI fertig?

In Folge 2 hatten wir schon einmal gefragt, wann die KI den Mund halten sollte.

Damals war die Frage vor allem pädagogisch.

Neun Folgen später ist sie unangenehmer geworden.

Denn inzwischen wissen wir, dass gute Leistung mit Unterstützung nicht dasselbe ist wie Lernen ohne diese Unterstützung. Wir wissen, dass Zeit zählt. Dass ein Test nur das belegt, was er tatsächlich prüft. Und dass selbst unser eigenes Gefühl von Kompetenz gelegentlich eher begeisterter Pressesprecher als unabhängiger Gutachter ist.

Also nehmen wir der KI die Hilfe weg.

Aber wann?

Zu früh, und wir nennen Überforderung „Eigenständigkeit".

Zu spät, und wir wissen nicht mehr, wer hier eigentlich gelernt hat.

Hilfe ist kein Makel

Die klassische Lernforschung kennt dieses Problem lange vor ChatGPT.

Worked Examples können Anfänger entlasten. Bei wachsender Expertise kann dieselbe ausführliche Anleitung überflüssig oder sogar hinderlich werden -- ein Zusammenhang, der unter anderem als Expertise-Reversal-Effekt diskutiert wird.[1--3]

Auch Fading, das schrittweise Ausblenden von Lösungsschritten, ist in bestimmten Domänen untersucht worden.[1][2]

Das klingt fast wie die gesuchte Regel:

Erst zeigen, dann weniger zeigen, dann schweigen.

Nur leider sagt uns die Forschung damit nicht, nach wie vielen Chatnachrichten ein Sprachmodell den Mund halten soll.

Die klassischen Studien untersuchen konkrete Aufgaben, Hilfen und Lernbedingungen. Sie liefern eine begründete Analogie für KI-Unterstützung -- keine universelle Gesprächssteuerung.

Das Assistance-Dilemma

Koedinger und Aleven nannten das Problem treffend ein assistance dilemma.[4]

Zu viel Hilfe kann die notwendige Eigenarbeit wegnehmen. Zu wenig Hilfe kann Lernen blockieren.

Damit wird „weniger KI" nicht automatisch zu „mehr Lernen".

Ein Anfänger, der noch keine tragfähige Vorstellung von einem Problem besitzt, kann von Führung profitieren. Ein Fortgeschrittener kann an derselben Führung hängen bleiben oder schlicht Zeit verlieren.

Und Hilfe anfordern ist selbst nicht automatisch schlecht. Help Seeking kann adaptiv sein: Wer erkennt, dass er feststeckt, und gezielt Unterstützung nutzt, zeigt möglicherweise gerade eine wichtige Lernkompetenz.[5]

Unser Ziel kann also nicht sein, einen Menschen möglichst schnell von jeder Hilfe zu entwöhnen.

Das Ziel muss genauer heißen:

Die Unterstützung soll die Form von Eigenleistung ermöglichen, die später gebraucht wird.

Offloading ist nicht automatisch Abhängigkeit

Auch beim Cognitive Offloading lohnt sich Vorsicht.

Menschen lagern geistige Arbeit seit langem aus: Notizzettel, Kalender, Taschenrechner, Dokumentation.

Das kann Ressourcen freisetzen.[6]

Wenn ich eine Telefonnummer im Telefon speichere, habe ich nicht zwingend ein pädagogisches Versagen erlitten.

Die relevante Frage lautet: Welche Fähigkeit soll später ohne das Hilfsmittel verfügbar sein -- und welche darf sinnvollerweise mit Werkzeug ausgeführt werden?

Wer künftig mit KI arbeitet, muss nicht beweisen, dass er jede Aufgabe ohne KI genauso schnell erledigt.

Aber wenn wir behaupten, die KI habe sein eigenes Wissen oder Können verbessert, brauchen wir eine unabhängige Probe.

Und hier wird es mit generativer KI erstmals wirklich interessant.

Mit KI hervorragend -- danach?

Bastani und Kollegen untersuchten in einem Feldexperiment mit knapp tausend Oberstufenschülern Mathematiklernen mit generativer KI.[7]

Während der Übungsphase stiegen die Leistungen mit KI deutlich.

Bei einer unmittelbar anschließenden unassistierten Prüfung zeigte sich jedoch ein entscheidender Unterschied: Die unbeschränkt antwortende GPT-Bedingung lag unter der Kontrollbedingung; eine stärker als Tutor strukturierte Variante zeigte diesen negativen Unterschied nicht, aber auch keinen signifikanten positiven Vorteil im unassistierten Test.

Das ist ein beinahe lehrbuchhafter Fall für unsere alte Trennung:

AP ist nicht II.

Die gemeinsame Leistung kann spektakulär aussehen, während die anschließende Eigenleistung eine andere Geschichte erzählt.

Aber daraus folgt nicht: ChatGPT macht dumm.

Andere Studien liefern andere Ergebnisse.

Kestin und Kollegen fanden in einem Physiksetting nach strukturiertem KI-Tutoring bessere unmittelbare unabhängige Quizleistungen als nach dem dort verwendeten aktiven Unterrichtsformat.[8]

Weitere Arbeiten berichten positive unabhängige Ergebnisse; einige davon sind Working Papers oder Preprints und müssen entsprechend vorsichtig behandelt werden.[10--12]

Die direkte GenAI-Evidenz ist also nicht leer.

Sie ist nur noch nicht höflich genug, uns eine einfache Geschichte zu liefern.

Guardrails sind keine Zauberei

Die Versuchung liegt nahe, aus Bastani eine Produktregel zu machen:

Die KI darf keine Antworten geben. Nur Hinweise. Dann lernen Menschen.

So schnell geht es nicht.

Die strukturierte Tutorbedingung bei Bastani bestand aus mehreren Designentscheidungen. Andere Studien verwenden andere Aufgaben, andere Vergleichsgruppen, andere Zeiträume und andere Formen der Unterstützung.

Wenn zwei Systeme unterschiedlich abschneiden, wissen wir nicht automatisch, welche einzelne Designentscheidung den Unterschied verursacht hat.

Auch eine Studie zu adaptivem Zugang zu GenAI aus dem Jahr 2026 berichtet Vorteile gegenüber unbeschränktem Zugang in einem unmittelbaren unassistierten Posttest, aber keinen signifikanten Vorteil gegenüber vollständigem KI-Verzicht.[12]

Das ist genau die Art Befund, die in einer Produktpräsentation gern eine Folie zu spät erscheint.

Für uns ist sie zentral.

IT: Die KI darf helfen -- aber nicht unbemerkt übernehmen

Beim Troubleshooting wäre ein sinnvolles Fading leicht vorstellbar.

Am Anfang erklärt die KI typische Logmuster. Später fragt sie nach einer Hypothese, bevor sie Hinweise gibt. Noch später bleibt sie zunächst still und greift erst ein, wenn der Lernende feststeckt oder einen sicherheitskritischen Schritt plant.

Das klingt plausibel.

Direkte belastbare Studien, die uns für echte IT-Störungen sagen, wann ein LLM welche Hilfe zurückziehen sollte, haben wir jedoch nicht.

Hier bauen wir aus klassischer Scaffolding-Forschung und allgemeinen GenAI-Befunden eine Hypothese.

Und gerade bei sicherheitsrelevanten Aufgaben wäre „ohne Hilfe" ohnehin kein Selbstzweck. Niemand muss einen Produktionsausfall verschlimmern, damit unser Lernmodell einen hübschen Datenpunkt bekommt.

Eigenständigkeit braucht eine Rückfallebene.

Prüfung: Die Musterlösung verschwindet langsam

Bei klarer umrissenen Aufgaben ist die klassische Logik näher an der Evidenz.

Vollständiges Beispiel.

Teilweise ausgeblendete Schritte.

Eigenständige neue Lösung.

Späterer Test.

Für solche Übergänge gibt es Forschung zu Worked Examples und Fading.[1][2]

Eine KI könnte dieses Prinzip prinzipiell flexibler umsetzen: nicht nach starrer Lektion, sondern abhängig davon, welche Schritte ein Lernender bereits selbständig zeigt.

Aber „könnte" ist hier wichtig.

Wir besitzen noch keine allgemeine validierte KI-Regel, die aus Gesprächsdaten zuverlässig den richtigen Entzugszeitpunkt bestimmt.

Das wäre eine Aufgabe für unsere Hobbythek -- und für ihren Prüfstand.

Fremdsprache: Irgendwann muss der andere Mensch antworten

Auch ein KI-Sprachpartner kann viel leisten.

Er kann Dialoge modellieren, korrigieren, vereinfachen, Wörter anbieten und geduldig auf Antwort warten.

Gerade seine Geduld kann allerdings eine Lernbedingung schaffen, die im Café in Lyon überraschend selten vorkommt.

Irgendwann muss deshalb ein Gespräch entstehen, in dem die Satzvorgabe fehlt, das Thema wechselt und ein Gegenüber reagiert, das nicht Teil unseres Tutorsystems ist.

Nicht weil menschliche Gesprächspartner moralisch wertvoller wären.

Sondern weil wir eine andere Leistung prüfen wollen.

Die KI darf bei der Vorbereitung helfen.

Sie darf nur nicht anschließend ihre eigene Hilfe als Beweis dafür verwenden, dass sie nicht mehr gebraucht wird.

Wann also abschalten?

Wir haben keine Zahl.

Keine drei Hinweise.

Keine sieben Aufgaben.

Keine 80-Prozent-Schwelle.

Keinen wissenschaftlich gesicherten Chat-Turn, an dem die KI ihre Sachen packen sollte.

Das ist unbefriedigend, wenn man ein Feature bauen möchte.

Für ein gutes Lernsystem ist es wahrscheinlich gesund.

Denn F11 verschiebt die Frage.

Nicht:

Wann muss die KI grundsätzlich weg?

Sondern:

Welche Form von Eigenleistung wollen wir sehen -- und welche Hilfe darf bei dieser Probe noch vorhanden sein?

Danach kann Unterstützung wiederkommen.

Fading muss keine Einbahnstraße sein. Wenn eine neue Schwierigkeit auftaucht, kann mehr Führung erneut sinnvoll werden.

Ein gutes System wäre dann nicht eines, das sich heroisch selbst abschafft.

Es wäre eines, das zwischen Helfen und Zurücktreten unterscheiden kann.

Der Fortschrittsbalken verlässt die Bühne

Unser Fortschrittsbalken hat in dieser Serie einiges ertragen.

Er durfte nicht aus Geschwindigkeit auf Kompetenz schließen.

Er musste auf spätere Tests warten.

Er musste angeben, unter welchen Bedingungen eine Leistung zustande kam.

Nun bekommt er seine vielleicht schwierigste Aufgabe.

Er muss akzeptieren, dass die beeindruckendste Zahl während der KI-Nutzung möglicherweise gerade nicht die wichtigste ist.

Wenn ein Tutor die Übungsleistung verdoppelt, ist das interessant.

Wenn danach ohne Tutor nichts übrig bleibt, ist es etwas anderes als Lernen.

Und wenn danach etwas übrig bleibt, müssen wir noch fragen: wie lange und unter welchen neuen Bedingungen?

Das ist keine KI-feindliche Forderung.

Es ist die Bedingung dafür, dass wir der KI einen Lernerfolg zurechnen dürfen.

Noch nicht in die Hobbythek

An dieser Stelle könnten wir jetzt die Werkbank aufbauen.

Wir haben inzwischen erstaunlich viele Anforderungen gesammelt: Unterstützung dosieren, Abruf ermöglichen, Zeit berücksichtigen, Kompetenzclaims begrenzen, Selbsteinschätzung kalibrieren, Hilfe zurücknehmen und Eigenleistung prüfen.

Aber bevor wir anfangen zu bauen, fehlt noch eine menschenseitige Frage.

Wenn ein KI-System all das entscheiden soll, muss es ein Modell von mir bilden.

Es muss beobachten, erinnern, schätzen und auswählen.

Also:

Was müsste die KI von mir wissen?

Und vielleicht noch wichtiger:

Was sollte sie gerade nicht über mich zu wissen behaupten?

Das ist die nächste Station.

Danach darf Jean Pütz den Lötkolben holen.